zhujianing的博客

将tf.train.SummaryWriter()改为tf.summary.FileWriter()

挑战深度学习 《深度森林：探索深度神经网络以外的方法》阅读量：1306收藏本文深度神经网络的巨大成功掀起了一股深度学习热潮。　　或许，这股热潮有些“太热”了。　　就在这周，南京大学机器学习与数据挖掘研究所（LAMDA）负责人周志华教授将他和 LAMDA 博士生冯霁写的论文《深度森林：探索深度神经网络以外的方法》（Deep Fo

作者: 陈迪豪，就职小米科技，深度学习工程师，TensorFlow代码提交者。TensorFlow深度学习框架Google不仅是大数据和云计算的领导者，在机器学习和深度学习上也有很好的实践和积累，在2015年年底开源了内部使用的深度学习框架TensorFlow。与Caffe、Theano、Torch、MXNet等框架相比，TensorFlow在Github上Fork数和St

原文网址：http://blog.youkuaiyun.com/darkprince120/article/details/53024714 Introduction        本文主要总结了卷积神经网络在机器视觉领域的重要发展及其应用。我们将介绍几篇重要的公开发表的论文，讨论它们为何重要。前一半的论文（AlexNet到ResNet）将主要涉及整体系统架构的

原文网址：http://blog.youkuaiyun.com/darkprince120/article/details/52807029Introduction        卷积神经网络CNN，虽然它听起来就像是生物学、数学和计算机的奇怪混杂产物，但在近些年的机器视觉领域，它是最具影响力的创新结果。随着Alex Krizhevsky开始使用神经网络，将分类

原文网址：http://blog.youkuaiyun.com/darkprince120/article/details/52996004Introduction        本文将会更加详细地介绍卷积网络。声明：现在我意识到有些内容相当复杂，甚至需要用一整篇文章才能解释清楚。为了内容详尽的同时尽量保证文章精简，我会将有关内容的参考文献链接到本文中。Stride and

Yann LeCun是深度学习研究领域内一个响当当的名字，卷积神经网络（Convolutional Neural Network）正是他的代表作。他为有志成为深度学习领域科研人员的大学生提出了14条建议，其中编号为0的是对于课程选择的建议，编号1-13则是完整的、可操作的成为科研人员的指导手册。0. Take all the continuous math and physic

计算图模型1.    下载midi文件 下载midi格式音乐的网站：freemidi.org2.创建NoteSequences即创建旋律数据库，将MIDI集合转化为NoteSequences。（NoteSequences是协议缓冲区，它是一种快速有效的数据格式，并且比MIDI文件更易于使用）INPUT_DIRECTORY=/Users/mac/Desktop/MID

This past summer I interned at Flipboard in Palo Alto, California. I worked on machine learning based problems, one of which was Image Upscaling. This post will show some preliminary results, discuss

[1]Deep learning简介[2]Deep Learning训练过程[3]Deep Learning模型之：CNN卷积神经网络推导和实现[4]Deep Learning模型之：CNN的反向求导及练习[5]Deep Learning模型之：CNN卷积神经网络（一）深度解析CNN[6]Deep Learning模型之：CN

变量:创建、初始化、保存和加载当训练模型时，用变量来存储和更新参数。变量包含张量 (Tensor)存放于内存的缓存区。建模时它们需要被明确地初始化，模型训练后它们必须被存储到磁盘。这些变量的值可在之后模型训练和分析是被加载。本文档描述以下两个TensorFlow类。点击以下链接可查看完整的API文档：tf.Variable 类tf.train.Saver 类创建当创建一个变

Constants, Sequences, and Random ValuesNote: Functions taking Tensor arguments can also take anything accepted bytf.convert_to_tensor.ContentsConstants, Sequences, and Random ValuesConstan

第一章  深度学习简介1.    人工有时候无法很好的抽取实体中的特征，那么是否有自动的方式？是的，深度学习解决的核心问题之一就是自动的将简单的特征合成更加复杂的特征，使用这些组合特征解决问题。2.    深度学习是机器学习的一个分支，它除了可以学习特征和任务之间的关联以外，还能自动从简单特征中提取更加复杂的特征。3.    深度学习领域主要关注如何搭建智能的计算机系统，解决人工智能中

原文链接：https://my.oschina.net/hardbone/blog/798552编译自：https://github.com/jtoy/awesome-tensorflow作者：开源中国 – 局长摘要: 一个精心挑选的有关 TensorFlow 的实践 、库和项目的列表。全网最全！ 什么是 TensorFlow？TensorFlow 是一个开源软件库

文章转载自 开源中国社区 [http://www.oschina.net] 本文标题：GitHub 上 57 款最流行的开源深度学习项目本文地址：https://www.oschina.net/news/79500/57-most-popular-deep-learning-project-at-github本文整理了 GitHub 上最流行的 57 款深度学习项目（按 stars

使用TensorFlow，你必须明白TensorFlow：使用图(graph)来表示任务被称之为会话(Session)的上下文(context)中执行图使用tensor表示数据通过变量(Variable)维护状态使用feed和fetch可以为任意操作(arbitrary operation)赋值或者从其中获取数据综述TensorFlow是一个编程系统，使用图来表示计算任务，图中的节

1.    计算图是TensorFlow中最基本的一个概念，TensorFlow中所有计算都会被转化为计算图上的节点。TensorFlow的名字已经说明了它最重要的两个概念-Tensor和Flow。Tensor就是张量。在TensorFlow中，可以解释为多维数组。如果说TensorFlow的第一个词说明了它的数据结构，那么Flow说明了它的计算模型。Flow中文翻译为流，直观的表达了张量之间通过

张量的阶（Rank）、形状（Shape）、数据类型（Type）TensorFlow用张量这种数据结构来表示所有的数据.你可以把一个张量想象成一个n维的数组或列表.一个张量有一个静态类型和动态类型的维数.张量可以在图中的节点之间流通.阶 在TensorFlow系统中，张量的维数来被描述为阶.但是张量的阶和矩阵的阶并不是同一个概念.张量的阶（有时是关于如顺序或度数或者是n维）是张量维数的一

机器学习集技术、科学与艺术于一体，它有别于传统人工智能，是现代人工智能的核心。它牵涉到统计、优化、矩阵分析、理论计算机、编程、分布式计算等。因此，建议在已有的计算机专业本科生课程的基础上，适当加强概率、统计和矩阵分析等课程，下面是具体课程设置和相关教材的建议：加强概率与统计的基础课程，建议采用莫里斯·德格鲁特(Morris H.DeGroot) 和马克·舍维什(Mark J.Schervi